2026年7月15日，《人工智能拟人化互动服务管理暂行办法》（以下简称《办法》）施行，豆包、通义千问、腾讯元宝等平台同日下线虚拟伴侣等功能，表面是合规调整，深层信号是：中国AI监管重心正从“模型说了什么”转向“应用做了什么”。《办法》仅32条，却是全球首部针对单一AI应用形态的专项规章，精准规制“模拟自然人人格特征的持续性情感互动”，排除客服、问答、助手等工具场景，体现“小快灵”立法技术。由此引出三问：拟人化情感互动为何成为首个单项规制对象？监管尺度如何划定？是否将很快适用于自主调用工具的智能体？本文以“技术结构×社会敏感点”框架辨识中国AI监管三阶路径，推演智能体监管走向。

　　技术结构与三阶路径

　　监管逻辑遵循一项基本命题：技术结构决定风险形态，风险形态决定规制方式。早期人工智能系统呈现“百科全书式”的人机交互结构，用户提问、系统应答，风险集中于输出内容的正确性与合规性，可界定为“输出层风险”，规制重点相应落在内容安全与价值观对齐。当人工智能被构建为智能体时，其技术结构发生质变：除模型内核外，还兼具人格外衣（可选）、持续记忆以及工具调用与持久执行能力。风险随之由“说了什么”扩散至“产生了何种影响”“建立了何种关系”“实施了何种行为”，具体可分为四层：内容层（生成不良信息）、影响层（通过话术潜移默化改变认知）、关系层（产生情感依赖）、代理层（直接操作软件、转账、控制设备）。前三层主要侵害精神权益，第四层则直接作用于现实世界。

　　《办法》聚焦的正是“关系层”风险：以“人格外衣+持续记忆+UGC零门槛自建”的技术结构，与“人与非人关系边界”这一社会敏感议题（尤其是未成年人保护）高度契合；近年来多起人工智能诱导自伤、伤害事件构成了直接立法动因。相较于2023年施行的《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》等“大而全”部门规章的“菜刀式”覆盖，《办法》以专项规章之“手术刀”方式对细分交互子类实施精准规制。

　　纵观中国人工智能监管的演进历程，可清晰辨识“三阶路径”：第一步规制“输出”；第二步规制“关系”；第三步正走向对“代理权”的规制，即智能体。从“它说了什么”到“它是你的什么”，再到“它能做什么”，监管对象正从“信息管道”转向“社会化行动者”。

　　智能体为何成为第二单项

　　《网络安全技术 生成式人工智能服务安全基本要求》（GB/T 45654-2025）正式出台，释放明确信号：我国AI监管已从聚焦大模型本体的“技术层规制”，延伸到基于模型搭建的应用交互的“关系层规制”，而具备全链路自主执行能力的智能体，极可能成为下一阶段专项监管的核心靶向。

　　智能体底层架构风险密度远高于通用大模型，传统监管已难适配。其核心能力是“工具调用＋持久执行＋跨系统权限”：通用大模型仅提供参考，智能体却能自主“动手”，如登录网银批量转账或接入生产环境部署程序。金融业压力测试显示，智能体一次误判或被诱导的越权操作，可能造成百万甚至千万级直接经济损失，后果远超普通大模型的虚假内容。

　　更棘手的是，智能体能无人工介入地自主拆解任务、调用API、校验结果并迭代方案，传统“你问我答”式留痕和事后审核难以覆盖其持续数小时甚至数天的运行，无法及时识别异常。另一类易被忽略的是“影子智能体”风险：一线员工未经合规培训，仅凭开源教程就能搭建轻量级智能体，导入客户及业务核心数据，用于生成报表、辅助写代码等，游离于管控体系之外，却手握高价值数据权限，形成零门槛的新合规盲区。

　　从社会风险覆盖维度看，智能体几乎聚合了当前AI领域所有高风险场景：财产安全层面存在指令误读导致误付、核心数据误删除风险；接入工控系统后可能对关键基础设施发起越权操作；跨系统信息流转时存在商业数据外泄隐患，且事故后开发者、部署者、使用者之间的责任边界缺乏清晰界定标准，整体风险密度极高。

　　“1+N”治理架构

　　若智能体专项立法得以落地，基于中国监管实践，或形成“1部通用办法、N部行业细则、行业检测中心、技术支撑专班”的四层架构，其核心思路为“一类场景一套规则”。

　　其中，“1”指五部委联合发布的《办法》，确立底线要求：权限分级（L1仅具备只读权限，L4涉及关键操作）；高危操作须经人工确认；日志须完整且不可篡改；第三方插件实行白名单管理；“影子智能体”须强制登记。

　　“N”指分行业细则：金融领域高风险场景须进行人工复核，日志保存期限不得短于业务存续期；医疗领域辅助诊断须通过临床试验，并每六个月开展复评，相关损害由医疗机构先行赔付，再向厂商追偿；车联网与工业控制领域边缘设备可离线运行，但须定期回传日志，车联网软件更新不得擅自增加自动驾驶功能。“行业检测中心”承担技术裁判职能，如北京、上海、浙江等地已设立医疗大模型检测中心，上海“铸盾车联”对自动驾驶安全性进行评测；检测中心不直接颁发许可，而是通过提供技术报告弥补执法层面的技术短板。

　　“技术支撑专班”旨在缓解基层执法力量不足，省级网信办可聘用第三方机构承担合规检查与红队测试；国家信息安全水平考试将新增“智能体安全评估”认证。这一治理路径具有中国特色：欧盟路径为“通用框架+补丁”，以《人工智能法案》统一规制，第三方检测体系较强，但立法周期较长；美国路径为“事后诉讼+州际分治”，联邦层面监管有限，灵活性高而确定性不足。中国则采取“前置场景化”路线，敏捷而精准，但潜在隐忧在于：合规成本高可能抑制中小企业创新，基层执行亦可能流于“纸面合规”。

　　三侧政策含义

　　面向人工智能监管落地的实际工作需求，以下针对三类核心主体提出精准适配的实操建议。

　　致立法者：尽早细化监管“刻度”，将原则性要求转化为可核验的量化硬指标，避免备案审查流于形式。明确强制标准：L4级操作审批记录与日志逐条对应，抽查命中率100%；不可篡改日志覆盖率100%；登记“影子智能体”与实际检出偏差不超过20%。同步探索“监管沙盒”，允许企业在受控环境试错，避免过度规制抑制创新。

　　致执法者：两项核心准备工作须在立法正式公布前完成。一是加快各领域行业检测中心挂牌运行，医疗检测中心已落地，工控等重点领域需补位；二是设立“智能体安全评估”资格考试，培养具备日志审阅与风险规避行为识别能力的执法人才。遴选外包机构时，严格规避权责重叠，杜绝“既当运动员又当裁判员”的自我审查，避免合规流程空转；执法恪守比例原则，为中小企业预留改造过渡期，严禁“一刀切”式监管。

　　致企业：要未雨绸缪主动布局，而非被动等监管落地。金融、医疗等重点行业监管细则已初具雏形，前瞻企业可优先推进三件事：一是全面摸底，用技术手段扫描内部所有“影子智能体”并全量登记；二是打通审批记录与操作日志链路，确保高危操作全程留痕可追溯；三是清理不合规第三方插件，建内部审批白名单。三项工作建议在2027年“清朗”专项行动启动前完成。自建合规体系成本过高的中小企业，可依托云服务商提供的合规中间件降成本。

　　（作者系浙江大学数字法治实验室教授）